Step 5 Preview против Fugu Ultra v2: одно из них — модель, другое — роутер

Сравнение, которое большинство людей хочет видеть между Step 5 Preview и Fugu Ultra v2 от Sakana AI — это таблица бенчмарков. Ни одна из сторон не может честно её предоставить. У Step 5 Preview есть одно независимое измерение, полученное по методике, которую заменили на прошлой неделе. У Fugu Ultra v2 вообще нет независимых измерений, потому что оценщики, публикующие индекс интеллекта, ни разу не опубликовали для него страницу. Что у обоих действительно есть — так это соотношение цен на входные токены ровно пять к одному и принципиальное различие, из-за которого это соотношение почти теряет смысл: один — это чекпоинт смеси экспертов (mixture-of-experts) с 600 миллиардами параметров, который можно скачать и запустить на собственном оборудовании, а другой — слой оркестрации, который отвечает на ваш запрос, отправляя его в пул чужих моделей.

Это различие — вовсе не деталь. Оно определяет, что вы на самом деле покупаете, что произойдёт с вашими результатами, если поставщик передумает, и можно ли будет в следующем квартале перезапустить долгосрочного агента, построенного на основе любого из них, и получить тот же результат.

Два продукта с одинаковым маркетинговым названием

StepFun выпустила Step 5 Preview в своём API 20 сентября 2026 года, а затем 15 октября опубликовала веса BF16 и FP8 на Hugging Face и ModelScope. Это единая модель: разреженная смесь экспертов с 600 млрд параметров всего и 27 млрд активных на токен, маршрутизация 8 из 352 плюс общий эксперт, в стеке из 92 слоёв, который поставщик описывает как «узкий-глубокий». Контекстное окно — 1 млн токенов, на входе могут быть текст, изображения или видео, на выходе — текст.

Fugu Ultra v2 — это точечный выпуск, а не новая архитектура: Sakana AI выпустила его 11 сентября 2026 года как обновление Fugu Ultra от 22 июня, с идентификатором модели fugu-ultra-v2.0 и однострочной миграцией параметров из предыдущей версии. Это дирижёр: поступает запрос, система решает, какая модель или модели из её пула должны его обработать, запускает их и синтезирует ответ. Пул намеренно исключает Claude Fable 5, Claude Fable 5.1 и GPT-6 Astra. Аргумент Sakana в пользу меньшего пула состоит в том, что более слабые участники тянули совокупный показатель вниз; побочный эффект второго порядка, о котором Sakana не сообщает, заключается в том, что состав того, что вы покупаете, — это решение поставщика, которое может измениться без изменения номера версии.

Линии спецификации, с обеих сторон

• Что это — Step 5 Preview: одна загружаемая модель смеси экспертов 600B/27B. Fugu Ultra v2: оркестрированный пул моделей с синтезирующим слоем сверху.

• Дата выпуска — Step 5 Preview: API — 20 сентября 2026 г., веса — 15 октября 2026 г. Fugu Ultra v2: 11 сентября 2026 г., обновление версии, выпущенной в июне 2026 г.

• Контекстное окно — Step 5 Preview: 1 млн токенов. Fugu Ultra v2: 1 млн токенов, с повышением цены при превышении 272 тыс. токенов.

• Входные модальности — Step 5 Preview: текст, изображения и видео. Fugu Ultra v2: всё, что принимают участники её пула; Sakana не перечисляет это отдельно по модальностям.

• Цена ввода за миллион токенов — Step 5 Preview: $1.00. Fugu Ultra v2: $5.00, возрастает до $10.00 при объёме контекста свыше 272 тыс. токенов.

• Цена за миллион выходных токенов — Step 5 Preview: $2.70. Fugu Ultra v2: $30.00, повышается до $45.00 при превышении 272 тыс. токенов.

• Кэшированный ввод за миллион токенов — Step 5 Preview: скидка 90% от $1.00. Fugu Ultra v2: $0.50, повышается до $1.00 при превышении 272 тыс. токенов.

• Независимая оценка — Step 5 Preview: 29 в Artificial Analysis Intelligence Index v5.0. Fugu Ultra v2: страница Artificial Analysis отсутствует, поэтому балла нет.

• Веса — Step 5 Preview: можно скачать по лицензии StepFun Model License 1.0. Fugu Ultra v2: нет. Пул, из которого он берёт, — это веса других поставщиков, предоставлённые на условиях других поставщиков.

Что на самом деле можно купить на пять долларов ввода

Соотношение из заголовка — пять к одному на входе и чуть больше одиннадцати к одному на выходе, и оба числа льстят Step 5 Preview так, что счёт за конкретную задачу может этого не подтвердить. Fugu Ultra v2 оценивается как система, рассчитанная на расход токенов: она отправляет запрос, несколько моделей отвечают, а синтезатор формирует итог на основе результатов. Собственное заявление Sakana о том, что добавление большего числа агентов не умножает ваш счёт, относится к уровням подписки — Standard за $20, Pro за $100 и Max за $200 в месяц, все из которых включают Fugu, Fugu Ultra и Fugu Max — а не к тарифной сетке с оплатой по фактическому потреблению. По тарифной сетке с оплатой по потреблению оркестрация — многословное дело, а выходные токены оплачиваются по $30 за миллион.

Экономика Step 5 Preview работает в обратную сторону. Artificial Analysis измеряет 179,1 выходных токена в секунду в API StepFun по сравнению с медианой по классу 74,1, $2,35 за полную задачу индекса и смешанную стоимость $0,54 за миллион токенов при соотношении попаданий в кэш семь к двум к одному. По сравнению с медианой по классу $1,40 за задачу на той же странице это дешёвая модель, которая ещё и быстрая.

Так что честная формулировка — не «Fugu стоит в пять раз дороже». Она в том, что Fugu берёт надбавку за возможность, на которую Step 5 Preview не претендует, — арбитраж между несколькими моделями для каждого запроса, — и что стоит ли платить эту надбавку, полностью зависит от того, верите ли вы, что такой арбитраж лучше справляется с вашей задачей, чем одна сильная модель. Опубликованные Sakana доказательства в пользу этого утверждения собраны самим вендором: Chartography — 48,3 против 27,3 у Claude Opus 5 и 29,5 у Claude Fable 5, DeepSWE — 74,3, лучший или один из лучших результатов на пяти из восьми бенчмарков и место в первой двойке на семи из восьми. Это реальные цифры, полученные компанией, продающей продукт, и это единственные цифры, которые есть.

Тест на портируемость, в котором и заключается настоящая разница

Вот вопрос, который разделяет эти две вещи чётче, чем любая оценка. Представьте, что в сентябре 2026 года вы создаёте агента на Fugu Ultra v2, и он работает. В ноябре Sakana добавляет модель в пул или удаляет одну — однажды она уже удалила три передовые модели — или меняет веса синтезатора. Ваши промпты те же, входные данные те же, а выходные данные другие, при этом нет ни повышения версии, которое можно было бы зафиксировать, ни записи в changelog, которая сказала бы, какое поведение изменилось. Вы покупаете не модель; вы покупаете политику над моделями, а эта политика — ручка, которую поворачивает поставщик.

Это не критика Sakana. Такова природа продукта, и для многих рабочих нагрузок это именно то, что нужно: поставщик, чья работа целиком состоит в подборе подходящей модели под каждый запрос, часто превзойдёт ваш вариант, собранный вручную. Но и цена должна отражать его суть: это долгосрочные сервисные отношения, а не актив.

Step 5 Preview — это другая форма. Веса существуют. Они не «открытые» в смысле OSI — StepFun Model License 1.0 сохраняет условие атрибуции для существенно используемых выходных данных, требует от производителей оборудования согласовывать отдельную лицензию и требует коммерческую лицензию для операторов model-as-a-service с годовым доходом свыше 20 млн долларов, — но поведение, которое вы тестируете сегодня, это поведение, которое вы сможете запускать через год на оборудовании, которое контролируете сами, не спрашивая разрешения. Чекпойнт FP8 требует около 773 ГБ видеопамяти и минимум четыре GPU с B300 в качестве целевой конфигурации по умолчанию; путь Hopper требует восьми H200. Вариант NVFP4 сокращает это примерно до 473 ГБ и ограничивает полезный контекст 320 тыс. токенов. Ни один из путей не дёшев, и ни один не настолько дёшев, как API, — а это обычный аргумент в пользу вызова модели вместо её собственного хостинга.

Разрыв в раскрытии информации действует в обе стороны

Каждой стороне не хватает чего-то, что публикует другая.

Step 5 Preview публикует тарифную карту, лимит контекста, число параметров, лицензию, рецепты обслуживания для vLLM и SGLang в день выхода весов и один независимый результат. Что она не публикует — так это прямое сравнение «один на один» с каким-либо конкурентом на согласованном тестовом стенде, а её вендорская таблица бенчмарков — Terminal-Bench 4.0 — 33.3, DeepSWE v1.1 — 67.7, FrontierFinance — 66.4, CyberGym — 84.7 — это ровно то, чем она является: вендорская таблица.

Fugu Ultra v2 публикует описание архитектуры, политику пула, собственную таблицу бенчмарков и цены на подписку, действительно необычные для этого рынка. Чего он не публикует — так это ни одной цифры, подтверждённой независимым оценщиком, а сами оценщики не создали для него страницу, и это самый чистый способ сказать, что оценки не существует, а не что она низкая.

Когда обе стороны опираются на данные самих вендоров, спор решает не «какому вендору больше доверия», а то, какой вендор поставил на что-то проверяемое. StepFun, выложивший веса 15 октября, делает проверяемое заявление: любой может скачать чекпойнт и воспроизвести поведение. Sakana, заявляющая оценку без загружаемого артефакта, — нет.

Где сегодня можно вызвать любой из них

Ни того, ни другого нет на OrcaRouter. В действующем каталоге — 214 идентификаторов моделей от 16 провайдеров с единым ключом и единым счётом, и по состоянию на 29 октября 2026 года в нём нет ни записи StepFun, ни записи Sakana — ни строки «step», ни строки «fugu». Если вам нужен Fugu Ultra v2, обратитесь в Sakana, а если вам нужен Step 5 Preview, обратитесь к API StepFun или к чекпойнтам. Ничто в этой статье не следует воспринимать как утверждение, что мы предоставляем доступ к любому из них.

В этом сравнении роль платформы — это следующий шаг: после того как вы решили, какая из этих двух схем подходит для вашей нагрузки, модели, которые вы фактически маршрутизируете по каждому запросу — дешёвая для классификации, дорогая для синтеза — как раз и являются той частью, которая плохо масштабируется вручную. Конфигурация маршрутизации OrcaRouter позволяет задать это как основную модель и цепочку резервных, а не как жёстко заданный ID модели, с автоматическим переключением при деградации провайдера; кроме того, оплата идёт по прайс-листовой цене провайдера без наценки, поэтому снижение цены поставщиком действует на платформе в тот же день, когда оно объявлено. Это свойство моделей, которые мы действительно поддерживаем, а не этих двух.

Вопрос, который всё решает

Не «кто набирает больше баллов», потому что оценён только один из них, и балл — 29 по рубрике, которая вступила в силу 27 октября и переписала то, что измеряет композитный показатель. Вместо этого спросите, относится ли ваша нагрузка к тем, где одной модели с контекстом 1M и визуальным вводом по цене $1.00 и $2.70 за миллион токенов достаточно, — и если да, то Step 5 Preview — это намного более дешёвая и более переносимая покупка. Если ваша нагрузка относится к тем, где сложная часть — маршрутизация на каждый запрос, Fugu Ultra v2 выполняет работу, которую иначе вам пришлось бы делать самим, и соотношение пять к одному — это цена этой работы, а не наценка на тот же продукт.

Чего вам не следует делать — так это сравнивать Chartography 48.3 с чем-либо, что опубликовала StepFun. Это цифры двух разных вендоров, полученные на стендах двух разных вендоров, для двух разных типов продуктов. Никто не прогонял их друг против друга, и пока кто-нибудь этого не сделает, единственное честное сравнение между этими двумя — это сравнение того, что они собой представляют.